图像修复的方向梯度TV模型研究

基于PDE(Partial Differential Equation)的图像修复因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的进行修复受损图像的同时很好的保留图像的细节信息成为图像修复所追求的目标.本文首先对TV(total variation)模型进行了分析和讨论,针对TV模型在图像修复时会对图像过度平滑、容易丢失细节信息等问题提出了一种改进模型,该模型通过对非线性扩散项引入方向梯度和边缘引导函数,自适应的调整了模型在图像边缘和区域信息丰富区域的平滑力度;通过计算每一次迭代时待修复点33邻域内的各向灰度差分,确定最小灰度差分的方向,从而确定了该点邻域内的图像纹理走向.本文模型克服了TV模型的弱点,在有效进行破损图像修复的同时,很好的保持了边缘和纹理细节信息.通过峰值信噪比和归一化均方误差的统计结果验证了所提模型的稳定性和有效性.     

基于TV模型的改进算法在图像修复中的应用

基于TV(total variation)模型的修复算法有较好的恢复效果,但对参数的选取比较敏感,且运算量大。文章提出了基于TV模型的改进的自适应算法,可根据破损区域外部参考像素对待修补点的相关度,通过设置不同的参数和权值,将不同形状的待修复区域所用的不同算法统一表示,使其应用范围更广、速度更快;此外,在迭代过程中,设置不同的参数以解决参数选取的敏感问题,从而达到更好的修复效果。实验表明,该算法能高效、稳定地处理破损区域的图像信息。     

TV模型的结构纹理图像修复方法

针对TV模型无法修复纹理的现状,结合改进的TV方法,提出一种新的结构纹理图像修复方法.该方法首先获取待修复区域的纹理方向,然后将,TV模型在纹理方向上差分化求解.其保留了结构修复的特征,同时可以修复"Y"形甚至"X"形结构纹理缺失.实验表明,该算法能高效、稳定地处理破损区域的图像信息.     

一种基于L1-TV模型的图像修复算法

提出一种基于L1-TV模型的图像修复方法。在正则化框架下采用L1范数度量逼近项,增加了模型修复图像破损部分的能力。利用"变量分裂"思想和半二次光滑化技术,克服L1-TV模型的算法求解困难,使得新模型的解易于求出。与两个已有算法的对比实验结果表明,该算法在获得较高的修复效果的同时,可以显著地降低运算时间。     

采用CDD模型的自适应图像修复算法

在CDD模型基础上,提出了一种自适应图像修复算法,引入在不同曲率选择不同修复模型的自适应系数q,使得在大曲率时使用CDD模型,其他时候使用TV模型,大大减少了CDD模型的修复时间;引入在不同变化程度选择不同扩散方式的自适应系数p,使得在破损区图像边缘较多,即大梯度时使用接近TV的模型,而在平坦区,即小梯度时使用接近热扩散的方程,使得修复效果更佳.实验证明该算法在修复速度和修复效果上都要优于CDD模型.     

整体变分模型的修复方法

整体变分模型算法是用变分法求解图像的最小能量方程,整体变分模型执行各向异性扩散,对区域内部执行平滑,而在区域边界处不执行平衡过程,可以起到模糊区域内部噪声,而对边缘进行增强的效果。整体变分模型对含有噪声的非纹理图像进行修复,取得了较好的效果。     

一种快速的图像修复算法

TV模型算法是目前较为流行的图像修复算法,但其修复速度慢,修复效果不是太理想.文章对TV模型进行改进,采用从外到内的修复顺序,并完全采用已知区域信息对图像进行修复,所有待修复的点仅需1次迭代便可完成修复.实验表明,在修复缺损的数字图像时,文中提出的算法与TV模型算法相比,无论是修复速度,还是修复效果,都有非常明显的提高...     

一类自适应混合图像修复算法

建立了一类新的图像修复算法,即自适应混合图像修复算法。这一算法的基本原理是:首先将图像分解为几何轮廓和纹理两部分分别修复后再合成。对几何轮廓部分,用自适应整体变差方法进行修复,自动根据区域特点选参修复,在保持边缘信息同时加快了修复速度;对纹理部分,用二阶共生矩阵合成方法进行修复,使修复效果更为理想。     

基于随机梯度下降算法的公安视频侦查图像修复

在公安业务中,图像情报分析对于还原犯罪现场至关重要,在实际视频图像的收集过程中,图像的缺损和破坏难以避免。在研究视频侦查的基础上,引入基于随机梯度下降的张量链分解算法对受损图像进行修复,研究表明,这一方法能有效地修复受损的视频图像信息,去除噪音,找回丢失的数据,为后续的分析工作提供良好的条件,减少情报失误,提高警务工作效率。     

基于偏微分方程的图像修复模型介绍

本文主要从修复原理、修复方法等方面介绍了微观仿真技术、整体变分模型、曲率驱动扩散、弹性修复模型、Mumford-shah修复模型、Mumford-shah-Euler六种基于偏微分方程的修复模型,了解六种模型的修复特点。     

非线性各向异性扩散的图像修复

根据图像曲率和梯度的特性引入扩散控制变量因子,提出非线性各向异性扩散的图像修复方法,能根据图像本身的几何信息进行不同方向和不同强度的扩散。其中关键参数p能根据图像局部几何信息的曲率和梯度自适应地改变,并控制扩散方向和扩散强度。扩散过程中,在图像的边缘区域,沿边缘方向扩散具有较大的扩散系数,沿垂直边缘方向扩散具有很小的扩散系数;在图像的平坦区域,向周围等强度扩散,而且扩散强度值较大。实验结果与经典的全变分、曲率驱动和P-laplace常数变分方法做比较,表明研究方法能对图像的破损区域进行修复,提高图像的质量。     

基于改进的相关度的局部图像修复模型

TV模型在修复图像时对整个待修复图像进行迭代,文章提出了针对破损区域进行修复的局部修复模型,大大缩短了修复时间;并在有关改进方法的基础上,引入改进的相关度,使修复效果更好.实验结果表明,在迭代次数相同的条件下,该修复模型比TV模型和有关改进的TV模型的图像修复效果更好,所用时间更短.     

基于偏微分方程图像修复的新方法

根据CDD图像修复模型的理论行为分析,指出该模型修复速度慢的原因,去除导致修复速度慢的因子,引入具有边缘增强作用下的冲击滤波器予以修正,从而获得了一种新的图像修复方法。实验结果表明,该算法修复图像速度有所提高并取得了较好的视觉效果。     

基于梯度调节规则的图像修复算法研究

当前较多图像修复算法采用单一大小样本块进行图像修复,不能适应图像不同差异的纹理丰富度变化,使得修复结果存在块效应以及模糊效应等不足。本文利用图像的梯度值,设计了基于梯度调节规则的图像修复算法。将图像的梯度信息引入优先权计算,联合数据项、置信度项目构造优先权计算函数,以计算优先修复块。利用图像的梯度变化率,建立梯度调节规则,用以调节样本块大小,适应不同的纹理丰富度。引入SSD(Sumofsquareddifferences)函数从源区域中寻找最优匹配块,实现图像修复。实验结果显示,所设计方法修复的图像具有良好的视觉效果。     

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

基于偏微分方程的图像修复算法

针对TV模型修复算法只沿梯度垂直方向扩散,容易在平滑区域引入阶梯效应,迭代效率低,易产生假边缘的缺点,分析比较了TV图像修复模型的性能,提出了一种改进的图像修复算法。该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,提高了迭代效率。实验结果表明,该算法与TV模型算法相比,在具有同样修复效果的前提下,避免了阶梯效应并优于TV模型的修复速度。     

自适应Snake-TV模型在彩色图像修复中的应用

文章在整体变分模型(TV)的基础上引入蛇(Snake)模型,同时考虑待修复区域的形状,提出了自适应Snake-TV模型,并将其应用到灰度图像和彩色图像的修复,该模型能很好地保持图像的视觉连通性.试验结果表明:该算法在迭代次数相同的条件下修复彩色图像的效果比TV模型好得多;与Snake-CDD模型相比,修复效果更好,同时...     

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.     

基于投影权值归一化的立体图像质量评价方法

本文基于深度卷积神经网络和融合图像提出了一种引入投影权值归一化的立体图像质量评价方法.首先基于人眼双目竞争现象,提出对经过Gabor滤波后的左右视点图像进行彩色融合,从而得到单幅融合图像.卷积神经网络的输入即为预处理后的融合图像,通过卷积层自主对图像特征进行提取,采用池化层对特征信息降维,保留显著特征且减小网络计算复杂度;采用Re LU非线性激活函数缓解梯度消失,有效缓解了网络过拟合问题;网络引入数据批量归一化来规范各层输入数据的分布,引入投影权值归一化来保证权值参数的量级相同,有效地提升了算法的性能.本文在公开的立体图像库LIVE-Ⅰ和LIVE-Ⅱ上进行了实验.实验结果表明,本文方法在对称失真与非对称失真的立体图像质量评价上均具有较好的性能.     

一种基于自适应权值的负载均衡算法

网络集群环境下的负载均衡优化问题是一个各种软、硬件参数优化整合的结果。首先针对加权轮询算法和加权最少连接数算法的实现原理进行分析,得出两种典型算法的不足。再提出一种基于自适应权值的负载均衡算法。并利用OP-NET软件对上述3种算法进行仿真对比,证明新算法在CPU的利用率、服务器负载、服务延迟等方面都优于已有算法。